MétaCan
Menu
← Retour à la cohorte

Game studies et industrie du jeu vidéo : mélange de mondes

2022· dissertation· W7151422667 sur OpenAlexaboutno aff
Sarah Meunier

Notice bibliographique

Revuenon disponible
Typedissertation
Langue
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Game studiesIdentity (music)Meaning (existential)Ethnography

Résumé

récupéré en direct d'OpenAlex

En partant du cas des Game Studies ou études vidéoludiques, cette thèse explore les socialisations, les relations et les rapports sociaux entre chercheur‧ses et professionnel‧les du JV. Elle a été menée dans 3 pays différents : en France, en Suisse romande et dans les provinces du Québec et de l’Ontario au Canada. Elle a été menée à partir d’entrevues, d’observations (d’événements scientifiques, de game jams et de playtests) et d’une ethnographie réalisée pendant 3 ans dans une association scientifique. Elle questionne sur les manières qu’ont les chercheur‧ses et les professionnel‧les de socialiser et de nouer des liens. Comment ces personnes du monde scientifique et du monde industriel racontent-elles leurs relations ? En quoi la participation à des activités sociales joue-t-elle un rôle dans les rencontres et l’établissement de liens ? Qu’apporte l’analyse des rapports sociaux de genre dans les activités étudiées ? Cette recherche montre que les socialisations et les liens personnels et professionnels qui se créent entre chercheur‧ses et professionnel‧les participent au développement des Game Studies et bâtissent des ponts entre recherche et industrie vidéoludique. Les récits des enquêté‧es et les activités sociales observées révèlent ainsi les dynamiques sociales entre individus de ces deux mondes sociaux, montrant la porosité permanente entre ces derniers. De plus, les rapports sociaux de genre mis en évidence dans cette enquête montrent l’existence de mécanismes sociaux spécifiques, liés à l’objet JV et à l’existence de valeurs virilistes dépassant le simple environnement ludique. Cette analyse contribue enfin, plus largement, à une réflexion sur le fonctionnement interne des mondes scientifique et industriel.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0050,004
Communication savante0,0080,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,060
Tête enseignante GPT0,384
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Games and Media→Travaux en français237 207→